| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究研研及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 小波理论研究现状 | 第11页 |
| 1.2.2 压缩感知理论的研究现状 | 第11-13页 |
| 1.3 本文的本要研究内容 | 第13-14页 |
| 第2章 小波及压缩感知理论 | 第14-27页 |
| 2.1 小波理论 | 第14-18页 |
| 2.1.1 小波变换 | 第14-16页 |
| 2.1.2 小波包变换 | 第16-18页 |
| 2.2 压缩感知理论 | 第18-21页 |
| 2.2.1 压缩感知中的稀疏表示 | 第19-20页 |
| 2.2.2 压缩感知中的观测矩阵设计 | 第20-21页 |
| 2.3 压缩感知中的重构算法 | 第21-26页 |
| 2.3.1 重构算法分析 | 第21-23页 |
| 2.3.2 基追踪算法 | 第23页 |
| 2.3.3 匹配追踪算法 | 第23-24页 |
| 2.3.4 正交匹配追踪算法 | 第24-25页 |
| 2.3.5 分段正交匹配追踪算法 | 第25-26页 |
| 2.4 本本小结 | 第26-27页 |
| 第3章 基于改进的多阈值小波包的图像去噪 | 第27-35页 |
| 3.1 小波包分解与重构 | 第27-28页 |
| 3.2 边缘检测 | 第28-30页 |
| 3.3 阈值阈数的选阈 | 第30-31页 |
| 3.4 改进的多阈值计算 | 第31-32页 |
| 3.5 噪声噪计的改进 | 第32-33页 |
| 3.6 图像融合 | 第33-34页 |
| 3.7 本本小结 | 第34-35页 |
| 第4章 基于混合采样的压缩感知重构算法 | 第35-48页 |
| 4.1 算法框算 | 第35-36页 |
| 4.2 信号的稀疏变换 | 第36页 |
| 4.3 采样率对重构算法的影响 | 第36-43页 |
| 4.4 图像的分图重构 | 第43-45页 |
| 4.5 图像融合 | 第45-47页 |
| 4.6 本本小结 | 第47-48页 |
| 第5章 基于小波和压缩感知的图像处理方法在智能交通中的应用 | 第48-62页 |
| 5.1 基于改进的多阈值小波包图像去噪在智能交通中的应用 | 第48-50页 |
| 5.2 基于压缩感知的图像压缩算法在智能交通中的应用 | 第50-61页 |
| 5.2.1 传统压缩算法 | 第50-51页 |
| 5.2.2 基于混合采样的压缩感知重构算法 | 第51-61页 |
| 5.3 本本小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |
